在证明定理之前,首先列出一些常规的条件。这些条件也被文献Zhou(2011)和Kai等人(2011)使用过。令δn=。
(C1)核函数K(·)是一个对称且连续的密度函数,具有有界的紧支撑,满足一阶Lipschitz条件,且<∞,<∞,j=0,1,2。
(C2)F,G是连续函数且aG≤aF。
(C3)随机变量W具有有界的支撑W,它的密度函数fW(·)是正的且具有二阶导数。
(C4)对所有的(X,W),Fε(0|X,W)=τ,fε(·|X,W)有连续且一致有界的导数且满足fε(·|X,W)≥c0>0。
(C5)对所有的w∈W,矩阵C2(w)和A是非奇异的。
(C6)函数g(·)有连续且有界的二阶导数。
引理4.4.1 令(X1,Y1),…,(Xn,Yn)是独立同分布的随机向量。假定<∞且有<∞,其中f(·,·)表示(X,Y)的联合密度函数。Kh(·)=K(·/h)是有界正函数且有紧支撑,满足一阶Lipschitz条件,则
只需要n2ε-1h→∞,其中ε<1-s-1。
引理4.4.1由Mack和Silverman(1982)的结果可得。
引理4.4.2(Lv等人(2014)) 假定An(s)是凸函数且可以表示为,其中V对称正定矩阵,Un是随机有界变量,Cn是任意的,对每一个s,rn(s)依概率收敛到0。则An的最小值αn 和+Cn的最小值βn=-V-1Un只相差op(1)。若同时有,则有-V-1U。
在下面的证明中,将用到一些随机向量的相关理论和方法。这方面已有丰富的结果,可参见文献Chen等人(2018),陈振龙和肖益民(2019)等。
定理4.1.1的证明 对给定w,则使下式取最小值
记
则是下列式子的最小值
由Kai(2011)中的式子(7.2),即
其中ψτ(u)=τ-I(u≤0),可得
接下来,证明E[Q2n(ξ)]=。
记,Δ和是中的Xi,Wi替换为x,w所得。由于是核形式的独立同分布随机变量的和,根据引理4.4.1,有
的期望为:
类似地,可获得=o(1),则+Op(δn),其中C1(w)=E[fε(0|X,W)(1,(W-w)/h,XT)T(1,(W-w)/h,XT)|W=w]。进一步,根据文献Liang和Baek(2016)的引理5.2,有
通过计算,有
因此
根据引理4.4.2,Qn(ξ)的最小值可表示为
因此
其中
接下来,考虑Q1n,1。记,
由Cramér-Wald定理和中心极限定理,有
定义,有
因此
由Slutsky定理,在给定X,W的条件下,有(www.daowen.com)
注意到
类似于(4.4.2)的证明,有Q1n,1-=op(1)。因此,
接下来计算的均值。
结合(4.4.4),(4.4.5),(4.4.6),(4.4.7)和(4.4.8),定理4.1.1得证。
定理4.1.2的证明 给定,则
记ri=-gτ(Wi),γ=,。则是下式的最小值
由Knight(1998),有
于是(4.4.9)可表示为
首先考虑V2n(γ)。记
的条件期望
通过计算,有
因此
记-E*(V2n(γ)|X,W),易得=op(1)。注意到V2n(γ)=+op(1),则有
接下来,考虑V1n。定义。根据式(4.4.1),有
因此
由式(4.4.3),
其中δ(Xi,Wi)=。因此
观察到An=EAn+op(1)=+op(1):=+op(1),因此
根据引理4.4.2,有
于是根据Cramér-Wald定理和中心极限定理,可得
其中B=E{X-δ(X,W)}⊗2。结合(4.4.11)和(4.4.12),定理4.1.2得证。
定理4.1.3的证明 的渐近正态性的证明与定理4.1.1的证明思路类似,这里省略。
定理4.1.4的证明 记,ri=-gτ(Wi),则是下列惩罚函数的最小值
使(4.4.13)取最小值等于使下式取最小值
上面的第二项可表达为
因此,可得。
记Bn,11是Bn左上角的s×s子矩阵。由于是Ln(ζ)的最小值且Ln(ζ)可被渐近的表示为
注意到Ln(ζ)是ζ的凸函数且L(ζ1)有唯一的最小值,由Geyer (1994)的特征值理论可得
则渐近正态性部分得证。
为了证明稀疏性,我们仅需要证明=0依概率趋于1。这等同于证明:若βτj=0,则→0。注意到≤max(τ,1-τ)<1,若≠0,则我们有。因此,,结合→∞,可得→0。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。